中國AI+Agent應用研究報告

目錄CONTENTAI

Agent市場發(fā)展背景和特征分析01AI

Agent市場特征和案例分析02AI

Agent市場未來趨勢03AI

Agent市場發(fā)展背景和特征分析2024年中國人工智能成熟度模型前沿技術?航天航空、航?和特種汽車無人駕駛合成數(shù)據(jù)生成類腦芯片腦機接口

人型機?人視頻生成通用人工智能（AGI）早期推廣技術?AI安全

可解釋AI大模型工程化檢索增強生成（RAG）通用大模型行業(yè)大模型端側(cè)AI（IOT、Edge、Mobile）基于大模型的對話機?人多模態(tài)模型AI智能體（Agent）圖像生成3D生成三維視覺LLMOps全定制芯片（ASIC）強化學習分布式深度學習

機?/深度學習平臺提示工程文本分析文本生成音頻生成語義分析知識圖譜代碼生成智能視頻編碼汽車自動駕駛數(shù)字人/虛擬人RPAAIOps成熟技術?通用芯片（GPU）傳統(tǒng)對話機?人

機?學習OCR識別人臉識別生物識別數(shù)據(jù)挖掘推薦系統(tǒng)物體識別語音識別專家系統(tǒng)MLOps2024年中國人工智能成熟度模型準成熟技術?半定制芯片（FPGA）研究說明2023年，InfoQ研究

中心第一次發(fā)布人工

智能成熟度模型。在

這一年中，人工智能

領域發(fā)生了諸多變化，因此InfoQ研究中心

再次基于技術專利數(shù)

量、技術發(fā)展時間、

技術輿論指數(shù)等核心

指標，結合市場規(guī)模

與融資事件等公開資

料，以及技術和市場

專家的驗證，繪制了

中國人工智能成熟度

模型。Agent銜接模型層與應用層，是現(xiàn)階段大模型應用落地的重要補充隨著中間層能力的不斷實踐和積累，相對通用和標準化的能力將從中間層中提煉集成在模型層中基于應用的需要，中間層通過技術

形式幫助應用層

實現(xiàn)通用模型不

具備的一些能力中間層是連接應用層和模型層的橋梁，在現(xiàn)階段是作為大模型應用落地能力補充的重要層級。隨著底層模型技術的持續(xù)進步與演化，未來可能會出現(xiàn)模型層逐漸內(nèi)化并泛化出原本由中間層提供的部分能力。與此同時新的應用需求還會持續(xù)出現(xiàn)。智能體，在眾多中間層中，處于中心位置，可以封裝模型微調(diào)、提示工程、檢索增強生成。微調(diào)用于解決預訓練模型在特定任務上性能不足的問題。智能體（Agent）用于解決模型在實際應用中的交互和決策問題。成本高適應性高檢索增強生成用于幻覺和知識更新的問題。成本低適應性低提示工程用于解決模型對于不同任務的泛化能力不足的問題。調(diào)用模型層應用層中間層Agent框架持續(xù)發(fā)布，單/多智能體協(xié)同發(fā)展2023年6月2023年9月2023年12月2024年3月2024年6月單智能體多智能體BabyAGIAutoGPTHuggingGPTGenerativeAgentsGPTeam

CrewAIAgentGPTGPT-EngineerShortGPTChatDEV

AgentVerseAutoAgentsTranslationAgentAPP

AgentCAMEL

MetaGPT

AutoGen

TalkWeaver

UFODS-AgentOS

CopilotScreenAgentJATSWE-AgentDevikaSIMACradleAgentUniverseAgentHospitalSimClassTransAgent自2023年3月，以AutoGPT為代表的一系列技術框架的發(fā)布，AI

Agent以其自主性和解決問題的能力，迅速獲得科技圈各方討論。并在之后一年多的時間中，陸續(xù)發(fā)布多項不同種類的技術框架。除了使用領域的探索之外，單智能體和多智能體協(xié)同的兩種智能體框架，也在同步發(fā)展。2023年3月-2024年6月期間發(fā)布的典型Agent框架通用類 環(huán)境模擬類 軟件開發(fā)類 多模態(tài)類 翻譯類 終端交互類 數(shù)據(jù)分析類Agent是集大模型、數(shù)據(jù)、工具多維一體的系統(tǒng)化工程在技術框架的不斷探索中，Agent的技術框架認知逐漸統(tǒng)一，大模型作為大腦，驅(qū)動規(guī)劃、工具使用、記憶三大基本能力模塊指導行動，智能體逐漸通過與環(huán)境、智能體和人類交互的反饋中不斷進化。在T-Eval大模型智能體基準測試中，步驟推理（REASON）能力得分明顯落后于測試均分，這意味著推理仍是能力短板。環(huán)境感知反饋大模型記憶工具使用規(guī)劃行動智能體智能體長期記憶短期記憶任務拆解反思改進COTPlan-and-SolveTOTGOT…ReActReflexionCRITICSelf-Refine……插件外部APIAgent通用技術框架200Yi-Chat-34BClaude2.1Qwen-72BDeepSeek-…LLaMA2-70BBaichuan2-13BMistral-7BChatGLM-6B-…GPT-4100InternLM-…

806040T-Eval均分指令規(guī)劃得分步驟推理得分T-Eval大模型智能體基準測試分數(shù)數(shù)據(jù)來源：T-Eval大模型智能體基準測試，是專門針對智能體工具使用的全過程設計的基準測試，包含：規(guī)劃（Plan）、推理（REASON）、檢索（RETRIEVE）、理解（UNDERSTAND）、指令跟隨（INSTRUCT）和審查（REVIEW）。測評結果儀表盤鏈接：https://open-compass.github.io/T-Eval/leaderboard_zh.html、/dataset-detail/T-Eval大模型「大腦」經(jīng)歷3輪主要更新，競爭重點由參數(shù)向應用變化???Baichuan1-2模型家族

Claude1.0-2.1DeepSeek模型家族ERNIE

2.0-4.0模型家族Gemini

1.0GLM1-3大模型家族GPT-1到4共計5個大模型混元大模型InternMLLLaMA開源模型家族Mistral開源模型家族Moonshot

v1Skywork書生·浦語模型家族天工模型家族Qwen開源模型系列訊飛星火模型V1.0-3.0XVERSE1.0-2.0Yi開源模型家族2024年以前發(fā)布的大模型/大模型家族國內(nèi)外大模型廠商第一輪交卷完成宣傳重點經(jīng)歷了從單純的模型參數(shù)到能力提升Yi-VL-34BBaichuan3訊飛星火V3.5MiniCPM-V-2Gemini

1.5Mistral

LargeClaude3DeepSeek

VLGrok-1Grok-1.5MobileVLMV2視覺語言模型Open-Sora

1.0MAGnetDBRXQwen1.5-MoE-A2.7BJamba2024Q1多模態(tài)模型以Sora拉開序幕語言模型MOE成果積累Zamba-7Babab6.5Llama3OpenELMPhi-3

MiniQwen1.5DeepSeek-V2Yi-1.5GPT-4oYi-large豆包大模型Baichuan4GLM-4Qwen2Claude3.5

Sonnet訊飛星火V4.0InternLM2.5Vidu可靈視界一粟YiSuVeo天工3.0源2.0-M322024Q2作為智能體大腦的大模型，在短短2年時間內(nèi)，經(jīng)歷了3輪主要更新和競爭重點的轉(zhuǎn)變。2024年第二季度，模型競爭逐漸轉(zhuǎn)向在性能不打折的情況下，具備更強的成本效應和快速響應。2023-2024年主要大模型發(fā)布/更新及競爭階段語言模型長文本競爭拉開序幕模型競爭轉(zhuǎn)向性價比與響應速度現(xiàn)階段的智能體應用，仍未長出足夠的自主思考能力以應對復雜場景自主思考：理想中的智能體應具有較強的自主決策能力和環(huán)境適應性。規(guī)劃與工具調(diào)用：只需設立目標，理想中的智能體即可自主思考和規(guī)劃路徑，選擇合適的工具達成目標。記憶：在逐漸的使用過程中，理想中的智能體可以實現(xiàn)持久的記憶和學習能力，能夠積累并保留知識經(jīng)驗。多模態(tài)：理想中的智能體應具備對現(xiàn)實世界的理解、模擬、反饋持續(xù)學習能力。理想中的智能體自主思考：現(xiàn)階段的Agent大多仍處在RPA的思路中，依賴人為干預和預設規(guī)則。規(guī)劃與工具調(diào)用：現(xiàn)階段的智能體在復雜場景下的推理能力差，只有在清晰、詳細的指令下才可以穩(wěn)定發(fā)揮。記憶：現(xiàn)階段的智能體大多局限于通過

Prompt構建短期記憶，事實性記憶多通過

RAG來構建。雖然大模型的上下文長度上限一直在提升，但仍然缺乏在對話之外持久保存和累積知識的機制。多模態(tài)理解：現(xiàn)階段的智能體大腦仍以大語言模型為主，缺乏對多模態(tài)的理解?，F(xiàn)階段的智能體在Agent的理論框架中，自主思考和規(guī)劃能力是其核心特征，這也是Agent與ChatBot和Copilot等應用的關鍵區(qū)別。然而，當前階段的智能體實際構建與這一理想狀態(tài)仍有顯著差距。AI

Agent市場特征和案例分析場景容錯性情感陪伴虛擬顧問（塔羅、星盤、八字等）訂票助手保險規(guī)劃陪伴助教社交媒體運營口語教學個人法律顧問理財顧問醫(yī)療顧問智能導購AI游戲隊友旅行規(guī)劃應用場景分析：生活類情感陪伴場景先行，專業(yè)類場景開始試點生活專業(yè)類場景生活陪伴類場景世界觀體驗（游戲、影視、小說關鍵角色）高低低AI

Agent應用探索程度高AI

Agent現(xiàn)階段典型應用場景分析在生活陪伴類場景中，AI

Agent通過對話交互形式，結合記憶模塊的能力，能夠提供更加豐富和深入的情感體驗，這使得生活陪伴成為AI

Agent應用探索程度較高的一個領域。場景容錯性智能客服企業(yè)法律顧問商家助手智能編碼企業(yè)財務助手數(shù)據(jù)分析開票專家話術專家營銷助手招聘助手研報分析企業(yè)知識顧問智能NPC內(nèi)容制作私域運營智能紀要應用場景分析：企業(yè)場景與大模型應用保持一致高低低AI

Agent應用探索程度高AI

Agent現(xiàn)階段典型應用場景分析企業(yè)專業(yè)類場景應用探索程度，與其大模型「大腦」保持相對一致，在辦公、編碼、財稅、數(shù)據(jù)分析、營銷等場景優(yōu)先起步。對于生活專業(yè)類場景而言，受限于早期的工具生態(tài)、服務監(jiān)管和尚未清晰的盈利模型，AI

Agent應用探索程度普遍較低。企業(yè)專業(yè)類場景產(chǎn)品發(fā)展早期階段，四大類廠商各顯神通廠商類型升級路徑產(chǎn)品形態(tài)InfoQ研究中心在對市面上對外服務的AIAgent產(chǎn)品進行研究后，發(fā)現(xiàn)其背景主要分為大模型創(chuàng)業(yè)廠商、互聯(lián)網(wǎng)科技廠商、RPA/流程自動化廠商和數(shù)字化企業(yè)服務商。數(shù)字化企業(yè)服務商依托自身長期積累的垂類領域或行業(yè)的Know-how，實現(xiàn)企業(yè)內(nèi)數(shù)字化系統(tǒng)的功能升級Agent作為一個功能組件，內(nèi)置進數(shù)字化系統(tǒng)RPA/流程自動化廠商依托自身長期積累的企業(yè)內(nèi)流程自動化落地經(jīng)驗，為客戶提供更智能化的產(chǎn)品和服務Agent技術思路集成進原有RPA產(chǎn)品互聯(lián)網(wǎng)科技廠商借助自身大模型以及AI云服務，為客戶提供完整的AI技術解決方案AI

Agent應用市場

&開發(fā)平臺大模型創(chuàng)業(yè)廠商借助自身大模型技術基礎，滿足企業(yè)大模型技術實際應用需求AI

Agent應用市場

&開發(fā)平臺廠商優(yōu)勢對大模型具有技術前瞻視角AI生態(tài)建設完整；

用戶基礎好，產(chǎn)品迭代快速在流程自動化領域積累的大量成功落地經(jīng)驗與原有數(shù)字化系統(tǒng)深度集成，

API聯(lián)動生態(tài)完善代表廠商Dify、瀾碼科技、面壁智能等百度、火山引擎、騰訊等來也科技、實在智能等用友、金蝶、標普云、數(shù)勢科技等多種Agent構建方式滿足不同技術水平、不同場景的用戶需求基礎構建方式進階構建方式代碼構建開發(fā)平臺通常也提供通過sdk等純代碼形式，進行智能體開發(fā)自然語言一鍵構建用戶通過簡短的自然語言輸入，開發(fā)平臺自動解析生成智能體相關配置百度

AgentBuilder模擬學習構建用戶在軟件中演示操作，開發(fā)平臺自動學習生成直接使用/通過內(nèi)置模版構建構建方式 用戶技術要求 場景復雜度用戶使用內(nèi)置預設好的模版進行構建頁面示意標普云-

Bpai智能財稅法咨詢復雜智能體構建用戶自行設置智能體名稱，提示詞、組件、知識庫等能力模塊構建，也可通過可視化工作流拖拽構建雖然產(chǎn)品形態(tài)各異，但在構建和使用方式上，AI

Agent產(chǎn)品均支持根據(jù)內(nèi)置模版構建、復雜智能體構建和代碼構建三種基礎構建方式，以滿足不同技術水平的用戶需求。此外，雖然大多數(shù)產(chǎn)品支持自然語言一鍵構建方式，但受限于現(xiàn)有大腦的任務拆解和規(guī)劃能力，仍

可以視為一種“面向未來”的構建方式。釘釘-AI助理百度智能云-千帆

AppBuilder火山引擎-扣子

COZE有自研模型的平臺類Agent產(chǎn)品更傾向于不接入第三方大模型根據(jù)InfoQ研究中心不完全統(tǒng)計，在19款具有自研模型的Agent產(chǎn)品中：接近70%不支持第三方大模型垂直類Agent產(chǎn)品更傾向于只支持自研模型垂直類Agent產(chǎn)品多會在自研模型的基礎上構建。這可能是因為：能更好地進行模型微調(diào)，更好地適應特定行業(yè)和領域的任務需求提高對核心技術的掌控力數(shù)據(jù)安全和隱私保護的要求但近期存在小范圍的轉(zhuǎn)變傾向2024年5月起，扣子除了自研云雀（后改名豆包）大模型外，陸續(xù)開放支持通義千問、Minimax-abab系列模型、月之暗面

Moonshot、智譜GLM-4、百川智能

Baichuan4等多家國內(nèi)大語言模型。2024年5月，百度智能云旗下千帆

AppBuilder在問答模型中引入多款開源模型。2024年6月，釘釘宣布對所有大模型廠商開放。開發(fā)者在釘釘上創(chuàng)建AI助理時，除了默認的通義大模型外，還可以依據(jù)自身需求，選擇不同廠商的大模型。Agent產(chǎn)品是否支持第三方大模型逐漸出現(xiàn)分化68.4%對于Agent產(chǎn)品來說，有自研模型更傾向于不接入第三方模型，但近期有小范圍的轉(zhuǎn)變傾向。平臺類Agent：涵蓋智能體創(chuàng)建、發(fā)布使用到管理的全過程智能體名稱 設定提示詞形象設置 對話設置模型選擇 知識輸入工具選擇 記憶設置工作流設置 預覽調(diào)試超市/商店網(wǎng)頁端 API調(diào)用微信公眾號、小程序等微信生態(tài)抖音、飛書等其他生態(tài)關鍵數(shù)據(jù)看板

權限管理數(shù)據(jù)分析（用戶、對話、行為）平臺類Agent一般以智能體為核心以智能體開發(fā)和應用平臺，提供圍繞智能體各個環(huán)節(jié)的服務（創(chuàng)建、調(diào)試、發(fā)布、使用和數(shù)據(jù)分析等關鍵流程和功能點）。平臺類Agent的構建廠商多為大模型大模型創(chuàng)業(yè)廠商和互聯(lián)網(wǎng)科技廠商，例如百度、火山引擎、有騰訊、Dify等，也有部分數(shù)字化企業(yè)服務商涉足，例如彩訊股份。平臺型Agent典型功能以智能體為核心AgentBuilder已經(jīng)有60萬開發(fā)者、

10萬企業(yè)AppBuilder已有15萬+客戶通過千帆

AppBuilder開發(fā)AI原生應用（截至2024年6月）扣子COZE估算約有2萬+Bot騰訊元?圍繞騰訊內(nèi)容生態(tài)，構建1000+智能體應用平臺類Agent：工具數(shù)量和類型不足，工具生態(tài)正在構建初期技術框架中的工具在平臺類Agent產(chǎn)品存在多種叫法：插件、組件等，但其本質(zhì)都是將大模型「大腦」的思考轉(zhuǎn)化為具體行動和執(zhí)行的重要橋梁。目前支持的工具類型包含信息檢索、文件讀取等，數(shù)量和類型覆蓋范圍不夠廣，仍處在工具生態(tài)建設初期。人類創(chuàng)造工具及其使用規(guī)則

Agent通過工作流按既定規(guī)則適用工具01人類創(chuàng)造足夠多的工具生態(tài)

Agent根據(jù)情況選擇可使用的工具搭配02Agent自行創(chuàng)造工具人類提供反饋和最終決策03人類參與度Agent參與度使用工具工具構建工具生態(tài)構建反饋決策選擇工具創(chuàng)造工具當前階段由平臺開發(fā)者直接提供，通常與核心功能深度集成，穩(wěn)定性和兼容性較高，更新和維護也更有保障。由其他開發(fā)者自行上傳，平臺通常會對其商用性、安全性進行審查，但第三方工具是工具生態(tài)的重要組成部分。目前絕大多數(shù)平臺類Agent提供官方工具直接使用，第三方工具生態(tài)正在搭建中。例：截至2024年8月扣子提供700+插件Agentbuilder插件數(shù)量超過500+千帆AppBuilder提供70+個官方組件元?內(nèi)置120+插件平臺類Agent：盈利模式早期，訂閱和按量計費模式先行訂閱模式設置不同的模式，或設置個人/企業(yè)版本，對模型選擇范圍、可創(chuàng)建智能體數(shù)量、知識庫容量設置不同的使用量和限制，用戶可以按照不同的使用周期進行付費。按量計費模式按照智能體的調(diào)用次數(shù)或者

底層模型的Token使用量計

費，或者對兩者均按量計費。平臺根據(jù)計費項對應的實際

資源用量出具賬單，開發(fā)者

在收到賬單后支付費用。收入分成模式少量平臺類Agent正在探索

該模式，根據(jù)智能體帶來的

實際效果或收益來支付費用，例如帶來的銷售線索等。也有部分開始探索廣告模式，但仍在早期。由于產(chǎn)品類型仍處在快速轉(zhuǎn)變期，盈利模式也仍然在早期探索中?，F(xiàn)階段，平臺類Agent通常會為新用戶設置一定的免費額度，以供新用戶在平臺進行基礎功能的探索和智能體的創(chuàng)建使用。在免費額度之外，通常會按照訂閱模式或按量計費模式進行付費。拓展用戶池深化用戶池正在探索線索轉(zhuǎn)化商品轉(zhuǎn)化廣告轉(zhuǎn)化垂直類Agent：數(shù)據(jù)、工作流和工具生態(tài)構建競爭優(yōu)勢離領域數(shù)據(jù)更近通過長期服務同一領域的客戶，積累了大量包括行業(yè)術語、流程、法規(guī)和最佳實踐在內(nèi)的行業(yè)數(shù)據(jù)和知識，為后續(xù)的微調(diào)、RAG提供更優(yōu)質(zhì)的輸入。01對實際場景工作流理解更深入領域類Agent廠商自身多深耕領域多年，深入了解客戶的業(yè)務流程和痛點，更精準地進行指令遵循和任務拆解。02為智能體解決復雜應用提供數(shù)據(jù)、工作流和工具的迭代飛輪數(shù)字化系統(tǒng)內(nèi)置各類工具和組件，為智能體提供良好的工具生態(tài)，和流暢的客戶體驗。03離數(shù)字化系統(tǒng)更近相較于平臺類Agent，垂直類Agent通常具有三類特點：①離領域數(shù)據(jù)更近、②對實際場景工作流理解更深入、③離數(shù)字化系統(tǒng)更近。這也是垂直類Agent的競爭優(yōu)勢所在。垂直類Agent產(chǎn)品圖譜辦公財稅BPai智能財稅法咨詢數(shù)據(jù)分析編碼教育消費光語金帆-AI財報點評金融其他營銷垂直類Agent路線一：解決方案型垂直類Agent路線二：功能型對于垂直類Agent產(chǎn)品，InfoQ研究中心將其分為兩條路徑，一是構建數(shù)據(jù)、模型等企業(yè)級的解決方案型，二是構建專家智能體的功能型。文娛游戲騰訊元寶游戲Copilot隊友容犀大模型應用Copilot

&

Agent垂直類Agent路線一：不僅是Agent，更是AI解決方案供應鏈辦公-運小沓數(shù)據(jù)分析-SwiftAgent可以以對話插件形式內(nèi)置在數(shù)字化系統(tǒng)中，也可以作為外置窗口通過屏幕感知進行相關操作財稅-BPAI財稅智能體AI

Agent載體解決方案型Agent更專注于解決特定職能的問題，聚焦于具體任務，例如數(shù)據(jù)分析、財稅中的開票、供應鏈當中的報價等。本質(zhì)是通過提供涵蓋數(shù)據(jù)管理、模型管理、提示詞管理、流程管理到Agent應用的更全面的工具和服務（解決方案）。數(shù)據(jù)準備內(nèi)置工作流模型管理數(shù)據(jù)源業(yè)務系統(tǒng)外部系統(tǒng)數(shù)據(jù)類型結構化數(shù)據(jù)非結構化知識提示詞工程多模型管理模型微調(diào)RAG數(shù)據(jù)分析指標分析畫像拆解財稅開票/票據(jù)自動處理財稅咨詢編碼代碼生成測試/評估/部署營銷營銷話術營銷策略………小模型…垂直類Agent路徑一：收費模式延續(xù)解決方案，尚未發(fā)生巨變咨詢和實施服務包括前期項目規(guī)劃、需求分析、成本效益分析、風險評估、系統(tǒng)配置、用戶培訓、測試和上線等環(huán)節(jié)等相關服務定制服務定制服務可能涉及到特定數(shù)據(jù)集的處理、模型的優(yōu)化以適應特定場景、以及與現(xiàn)有系統(tǒng)的集成標準化應用/功能模塊部署服務預開發(fā)的、相對標準化的應用/功能模塊的部署，能夠滿足大多數(shù)客戶的基本需求。平臺建設服務從數(shù)據(jù)、模型到應用構建的標準平臺建設對于領域類Agent來說，AI

Agent是解決客戶核心訴求的一種手段，所以新技術的迭代暫未對常規(guī)的收費和盈利模式帶來沖擊，仍然以解決方案整體報價為主。辦公：智能體變身辦公搭子，造就超級員工雛形辦公場景中，一方面的應用是歸納總結能以與網(wǎng)頁、對話解析工具疊加記憶模塊，用以提升企業(yè)內(nèi)部溝通協(xié)同效率；另一方面是基于

RPA與智能體任務規(guī)劃能力相結合的RPA

Agent。用戶請求用戶確認意圖用戶反饋提取用戶崗位、目標信息通過反問、追問明確目標和相應工作流根據(jù)分析目標，選擇合適的數(shù)據(jù)庫/知識庫智能體反

思與沉淀，便于快速

分析和流

程改進數(shù)據(jù)分析工具數(shù)據(jù)可視化工具語義、意圖分析小模型等數(shù)據(jù)分析智能體后端數(shù)據(jù)

OA系統(tǒng)、/工具

辦公軟件消息總結、智能問答等溝通整合任務根據(jù)知識庫和工作流，進行流程相關操作固定流程靈活性薄弱固定最終態(tài)的辦公類智能體現(xiàn)階段的

辦公類智能體辦公軟件RPA現(xiàn)階段的

辦公類智能體最終態(tài)的辦公類智能體深入自動化程度辦公類Agent的工作流程辦公類Agent的典型應用場景知識整合能力知識總結流程執(zhí)行辦公：面向知識整合和流程執(zhí)行，與客戶系統(tǒng)緊密結合者為先AI助理工作搭子

專家助理 沖破軟件邊界

跨應用操作釘釘AI助理市場覆蓋企業(yè)的核心工作場景，和用戶的工作深度結合智能溝通01消息總結：讓你和爬樓說拜拜智能問答：高效節(jié)省答疑人力快速閱讀：快速了解?量知識工作概覽：一鍵生成工作總結智能協(xié)同智慧文檔：多種花樣玩轉(zhuǎn)文檔智能紀要：會議重點一目了然智能日程：工作安排井井有條一鍵待辦：各司其職一目了然智能填報：數(shù)據(jù)填報如此簡單智能管理01

01數(shù)據(jù)分析：輕松掌握業(yè)務情況人事管理：考?關懷一手拿下差旅管理：訂票報銷不再難流程管理：填報審批一條龍數(shù)字員工AI

AgentAI

Agents

for

Everyone文檔匯集與更新大模型RAG

IDP等知識管理和問答助手廣泛的對話渠道提示詞工程

RPA自動化理解和知識生成文檔審核與風控助手業(yè)務規(guī)則即時更新流程即時更新變動、風險即時通知文檔處理知識文檔規(guī)章制度合同訂單成熟的產(chǎn)品能力豐富的企業(yè)知識積累明確的用戶需求操作規(guī)程產(chǎn)品文檔憑證票據(jù)AI

Agent反思進化大模型RAG

RPA等無論是知識整合還是流程執(zhí)行場景，距離客戶系統(tǒng)近都是重要的競爭優(yōu)勢。這種緊密的系統(tǒng)連接不僅有助于積累和運用企業(yè)專屬知識，還能夠提升流程執(zhí)行的準確性和效率，確保任務的自動化和智能化處理更加貼合企業(yè)需求。數(shù)據(jù)分析：面向業(yè)務初級數(shù)據(jù)分析需求、理解分析目標、懂得反思沉淀用戶請求用戶確認意圖報告確認提取用戶崗位、目標信息通過反問、追問和工

具調(diào)用明

確分析目

標根據(jù)分析目標，選擇合適的數(shù)據(jù)庫/知識庫數(shù)據(jù)分析知識庫沉淀，便于類似需求快速分析數(shù)據(jù)質(zhì)量檢查，初步分析結果反饋數(shù)據(jù)可視化呈現(xiàn)、報告生成業(yè)務系統(tǒng)、數(shù)據(jù)庫數(shù)據(jù)分析 數(shù)據(jù)可視工具 化工具語義、意OA系統(tǒng) 圖分析小模型等數(shù)據(jù)分析智能體后端數(shù)據(jù)/工具數(shù)據(jù)分析類Agent主要解決的是用戶數(shù)據(jù)分析團隊的少量人力與業(yè)務多發(fā)的數(shù)據(jù)分析需求之間的矛盾。在這種情況下，部分簡易或內(nèi)部沉淀較多的數(shù)據(jù)分析需求可交由Agent完成。一方面減輕數(shù)據(jù)分析團隊的工作負載，另一方面快速滿足部分業(yè)務團隊的需求。數(shù)據(jù)分析類Agent的工作流程查數(shù)/取數(shù)針對日報、周報和業(yè)務提出的偶發(fā)數(shù)據(jù)需求，包括SQL生成根因分析對業(yè)務運營過程中的關鍵因素進行分析，例如門店銷售額下降的原因數(shù)據(jù)可視化將復雜的數(shù)據(jù)通過可通過可視化的方式呈現(xiàn)，便于理解數(shù)據(jù)分析結果數(shù)據(jù)預測基于已知信息，對某一趨勢進行數(shù)據(jù)分析，例如某次活動的GMV預估數(shù)據(jù)分析類Agent的典型應用場景數(shù)據(jù)分析：核心在于智能體對數(shù)據(jù)含義、用戶意圖和數(shù)據(jù)結果的理解SwiftAgent多模數(shù)據(jù)輸入多元數(shù)據(jù)融合國產(chǎn)基座

大模型更懂用戶意圖可通過追問、反問等方式引導用戶，準確明晰分析目標，減少認知負擔貼合用戶問題，自動匹配多種分析圖表分析過程

可解釋反饋反思沉淀完整呈現(xiàn)思考過程，自然語言幫助業(yè)務人員理解分析過程，提高思考過程的可解釋性和可信度用戶的問答分析和反饋沉淀到知識庫，在類似分析時快速完成分析工作，快速提供結論業(yè)務結系構統(tǒng)化外非部結數(shù)構據(jù)化TableAgentStep1Step2Step3自我迭代自迭代引擎Alaya-ZeroX對話式數(shù)據(jù)分析所需即所得多模型組合完成分析任務的同時，滿足生成質(zhì)量和推理性能的要求數(shù)據(jù)洞察利用統(tǒng)計科學、因果推斷等從數(shù)據(jù)中挖掘價值數(shù)據(jù)分析代碼生成寫代碼、調(diào)試代碼、運行代碼，理解數(shù)據(jù)結果用戶意圖理解理解數(shù)據(jù)、理解用戶的分析需求Alaya-ZeroX數(shù)據(jù)分析微調(diào)模型組T+系統(tǒng)完成專業(yè)化微調(diào)數(shù)據(jù)分析智能體對于數(shù)據(jù)分析智能體而言，智能體首先要能理解數(shù)據(jù)含義，知道分析的目標。在此基礎上，疊加對于用戶意圖的理解，更好地設定分析目標和規(guī)劃分析過程。最后，對于數(shù)據(jù)結果的理解，則是對于數(shù)據(jù)解讀和洞察的考驗。Agent指標語義標簽語義讓大模型精

復雜、多準理解自然

任務的自語言的業(yè)務

動理解和含義

規(guī)劃財稅：財稅流程自動化升級，領域知識構建財稅咨詢助手財稅類Agent主要解決的是企業(yè)內(nèi)財務與稅務流程的自動化、風險識別與防控、以及智能化財稅咨詢和決策支持等問題。對于監(jiān)管機構而言，探索財稅智能體應用，可以提供更精細化的納稅服務和更便捷的報稅體驗。財稅類Agent的工作流程開票專家自然語言交互疊加屏幕感

知，實現(xiàn)快速開票的同時，進行發(fā)票合規(guī)檢查基于?量財稅政策和專家數(shù)據(jù)，結合最新的政策和稅法規(guī)定，為用戶解答財稅疑問疑問解答根據(jù)納稅人的需求、行為和歷史數(shù)據(jù)快速生成相應的內(nèi)容建議，幫助各級稅務機關提供精細化納稅服務納稅報稅風險監(jiān)控大模型結合傳統(tǒng)風控模型工具，深度挖掘異常數(shù)據(jù)，歸因分析和趨勢分析，進行實時風險監(jiān)控智能 財稅開票 咨詢智能 風險辦稅 識別用戶請求用戶用戶反饋提取歷史合同等相關信息財務系統(tǒng)用戶意圖識別智能體根據(jù)反饋進行反思，便于類似優(yōu)化類似需求回答意圖分析小模型企業(yè)財務知識庫企業(yè)財務知識庫、開票軟件、財務系統(tǒng)等財稅類智能體后端數(shù)據(jù)/工具檢索最新稅法規(guī)定，實時解答財稅疑問屏幕感知，獲取開票信息，實時開票分析異常數(shù)據(jù)，實時風險提醒確認意圖財稅類Agent的典型應用場景財稅：數(shù)據(jù)壁壘、行業(yè)Know-how、用戶體驗三者不可或缺BPai智能財稅法咨詢①產(chǎn)品形態(tài)帶來的良好用戶體驗業(yè)務系統(tǒng)接口對接、移動端微信號小程序、PC網(wǎng)頁端，多種形態(tài)幫助用戶快速完成開票、咨詢等財稅支持②完整技術棧帶來的閉環(huán)優(yōu)勢通過搭建完整的技術棧，覆蓋模型的

研發(fā)、訓練、數(shù)據(jù)、應用整條價值鏈，模型的迭代更迅速，同時在用戶側(cè)也

能形成更好的反饋數(shù)據(jù)③立足國產(chǎn)化的財稅大模型底座基于自有算力、百億級參數(shù)Transformer架構和高質(zhì)量垂直行業(yè)數(shù)據(jù)，通過專業(yè)的預訓練、監(jiān)督微調(diào)、獎勵模型和強化學習，構建財稅大模型底座，實現(xiàn)算力、模型、訓練以及工程開發(fā)的國產(chǎn)化我的智能助理——智友降低財稅AI使用門檻，做財稅工作者的AI好幫手AI開票智能增強識別、識別提取開票信息準確率高達90%智能財稅法咨詢高準確度回答智能學習與自我進化YonGPT大模型平臺我的智能助理——智友財稅實際應用報銷流程開票規(guī)范智能開票智慧報表審批決策數(shù)據(jù)分析面向?qū)嶋H業(yè)務場景，做銜接技術到應用的橋梁智友還可以：智能化業(yè)務運營：人才發(fā)現(xiàn)、經(jīng)營分析...自然化人機交互：打開應用、知識問答...智慧化知識生成：生成績效、營銷素材…語義式應用生成：表單生成、代碼生成...營銷：深入話術、物料和投放場景，開啟產(chǎn)出比競爭用戶請求用戶用戶確認潛在需求查找，提取客戶信息等歷史信息客戶管理用戶意圖挖掘，營銷環(huán)境匹配風格化營銷物料生成、營銷策略推薦話術/物料投放效果評估，投放策略優(yōu)化私域營銷話術挖掘/流程模擬練習企業(yè)知識庫渠道管理企業(yè)物料/話術庫營銷類智能體后端數(shù)據(jù)/工具1潛在需求

通過同客戶管理系統(tǒng)的關聯(lián)，識別和挖挖掘

掘潛在需求，并匹配相應話術2用戶畫像分析通過同后臺系統(tǒng)的關聯(lián)，借助數(shù)據(jù)分析工具，幫助營銷人員更好地了解客戶群體和目標市場。3個性化營銷物料/文案生成針對不同營銷平臺，進行風格化營銷物料和營銷策略生成4營銷策略

對現(xiàn)有營銷策略的效果進行評估和分析，評估

識別優(yōu)化機會營銷類Agent主要解決的是在營銷場景的潛在需求挖掘、用戶畫像分析、精準推送、個性化營銷策略制定等問題。通過分析用戶的歷史行為和偏好，營銷類Agent能夠?qū)崟r挖掘潛在需求，生成符合用戶需求的個性化營銷物料，并評估營銷策略的效果。借助數(shù)據(jù)驅(qū)動和智能算法，Agent能夠動態(tài)優(yōu)化營銷投放策略，幫助企業(yè)提高營銷效率和效果。在這種情況下，智能體可以針對不同平臺屬性，進行個性化的話術、物料文案生成，同時進行投放環(huán)境的模擬和效果評估，以實現(xiàn)該類智能體目前大多設立了話術或物料投放效率面板和分析展示，以更好地展現(xiàn)產(chǎn)出比方面的競爭。營銷類Agent的工作流程 營銷類Agent的典型應用場景營銷：價值在于延長私域和廣告的營銷鏈條，提升營銷效率應用智能平臺模型底座潛在需求提取營銷策略推薦InsightAgent大模型自主洞察大模型生成對練話術挖掘題庫生成CoachAgentKnowledgeCopilot大模型運營知識企業(yè)級專業(yè)知識復雜業(yè)務場景平臺流程投產(chǎn)比衡量VirtualAgent大模型自助對話任務流程挖掘容犀大模型應用Copilot

&

Agent①貼近業(yè)務的企業(yè)級流程體系②垂直領域的服務優(yōu)勢③系統(tǒng)化的企業(yè)解決方案現(xiàn)階段的營銷類智能體，分別針對私域營銷和廣告營銷。其中私域營銷針對客服、私域、銷售話術進行了打通。廣告營銷場景主要針對創(chuàng)意生成、發(fā)布和投放進行了聯(lián)動，提升創(chuàng)意生成效率，簡化發(fā)布流程和優(yōu)化投放策略。創(chuàng)意生成智能拓詞消費者行為數(shù)據(jù) 歷史投放數(shù)據(jù)基于企業(yè)推廣訴求，快速生成符合產(chǎn)品調(diào)性和用戶需求的創(chuàng)意，并根據(jù)歷史有效創(chuàng)意進行構思優(yōu)化可結合企業(yè)產(chǎn)品特點和營銷目標，幫助企業(yè)找到更具性價比的關鍵詞，用更低的出價，鎖定企業(yè)目標客戶，提升頁面打開率廣告營銷平臺一鍵發(fā)布打開頁面呈現(xiàn)內(nèi)容，精準匹配用戶的搜索需求，挖掘隱藏需求，促成更高比例用戶留資個性化頁面「利歐歸一」營銷領域大模型產(chǎn)品目錄 品牌數(shù)據(jù)

行業(yè)數(shù)據(jù)歸一妙計模型管理提示工程模型微調(diào)RAGAgentCopilot大模型輔助坐席話術推薦

流程導航QMAgent大模型語義質(zhì)檢會話流程質(zhì)檢

質(zhì)檢洞察分析垂直類Agent路徑二：基于自身業(yè)務構建功能型專家智能體用戶提供 服務專家智能體業(yè)務場景業(yè)務數(shù)據(jù)業(yè)務知識業(yè)務工具業(yè)務流程構

建教育消費光語金帆-AI財報點評金融其他行業(yè)類Agent多為行業(yè)頭部企業(yè)基于自身業(yè)務屬性自行構建，以專家智能體的形式，直接為終端用戶提供服務。目前，金融、教育、文娛游戲、消費四大行業(yè)已率先展開探索，法律和醫(yī)療領域也開始初步嘗試。行業(yè)類Agent服務路徑

行業(yè)類Agent圖譜文娛游戲騰訊元寶游戲Copilot隊友垂直類Agent路徑二：多在產(chǎn)品內(nèi)測和打磨階段，收費模式尚不清晰由于新技術到實際應用存在一定的周期，行業(yè)類Agent目前多在內(nèi)測打磨或服務備案階段。產(chǎn)品設計企業(yè)進行技術研究，厘清技術能力邊界，并根據(jù)自身業(yè)務屬性，選擇合適的業(yè)務場景構建智能體。內(nèi)測打磨選擇合適的方式和合作

機構，進行小范圍邀測，根據(jù)內(nèi)測反饋進行進一

步的產(chǎn)品打磨。服務備案產(chǎn)品上線前，按照監(jiān)管規(guī)定，完成相應的服務備案。企業(yè)內(nèi)部也涉及安全協(xié)議的檢查和風險排查。產(chǎn)品上線產(chǎn)品上線是指企業(yè)將經(jīng)過內(nèi)測打磨的智能體正式推向市場的過程。教育：立足個性化教學和作業(yè)輔導，實踐“因材施教”教育觀念短期AI

Agent應用發(fā)力點應用探索期產(chǎn)品測試期市場投放期應用成熟期市場應用程度個性化學習智慧教研個性化教學規(guī)劃智慧教輔教學內(nèi)容推薦學校教育硬件英語口語輔導編程教學作文批改長期AI

Agent應用發(fā)力點時間情感支撐消費級教育硬件陪伴式助教知識智能總結教育行業(yè)AGI應用成熟度曲線根據(jù)5月發(fā)布的《中國AGI市場發(fā)展研究報告2024》，InfoQ研究中心根據(jù)AIAgent的介入周期，對成熟度曲線做了分類呈現(xiàn)。目前來看，學習輔導和教學仍然是短期內(nèi)的重點。長期下，軟件層面的演進將會輻射到各類教育硬件的改造。AI

Agent典型探索場景根據(jù)學生的學習能力、興趣、學習進度以及

個人目標（長期記憶），定制個性化的學習路徑和課程內(nèi)容個性化教學規(guī)劃AI

Agent作為學生的

虛擬學習伴侶，提供

情感支持、學習鼓勵、知識答疑和互動陪伴，增強學生的學習體驗

和動機虛擬陪伴助教教育：智能體構建互動式、陪伴式的學習體驗智能體群體作戰(zhàn)助教智能體將教師輸入的指令進行拆解和執(zhí)行，并根據(jù)需要分發(fā)至學伴智能體。接收學伴智能體上交的習題作業(yè)，進行批改、講評、反饋、并記錄下學習數(shù)據(jù)作學情評估。學伴智能體學伴智能體接收助教智能體下發(fā)的學習任務，主動根據(jù)學生的學習習慣制定個性化學習計劃，并主動跟蹤學生的學習進度和質(zhì)量，還能將習題作業(yè)情況及時反饋至助教Agent。以正教育大模型Agent猿編程AI-Agent基于現(xiàn)狀，企業(yè)多構建助教或?qū)W伴智能體，推進陪伴式學習，或借助教師和多個智能體之間的團隊作戰(zhàn)，更好地支撐個性化教學和學習輔導。學生猿編程AI-Agent網(wǎng)絡安全教育引導文本對話、語音交流和圖像/屏幕交互啟發(fā)式教學，

疑問實時解答，加深知識理解場景教學，幫助學生高效掌握編程實踐

根據(jù)教學進度，推薦學習資源

和練習題目應用探索期產(chǎn)品測試期市場投放期應用成熟期市場應用程度智能營銷智能編碼智能助手智能客服知識庫時間金融行業(yè)AGI應用成熟度曲線金融分析：如投資研究、數(shù)據(jù)分析、風險評估等金融：場景集中研報分析、數(shù)據(jù)分析和營銷當前金融智能體應用多以場景提效和業(yè)務重塑為主用戶畫像與數(shù)據(jù)分析財報解讀與投研分析交易策略、市場走勢、風險管理等模擬能分析助手外部業(yè)務重塑智能?營銷物料生成營銷?營銷話術挖掘助手?智能電話客服當前金融智能體，多用于研報分析解讀、投資組合優(yōu)化等場景，個性化分析和營銷等場景。也有部分廠商正在探索保險核保、高頻交易模擬、金融風險管理等其他場景。金融研究報告生成行為決策短期AI

Agent應用發(fā)力點長期AI

Agent應用發(fā)力點AI

Agent典型探索場景內(nèi)部場景提效智金融：基于專家智能體載體，推動內(nèi)部專家工作效率提升智匯、智讀、弘小助智匯根據(jù)市場上的最新研報，和用戶過往關注的行業(yè)、市場策略、宏觀解讀等內(nèi)容，快速進行核心觀點總結智讀針對用戶選定的特定研報，進行研報信息的解讀和觀點的驗證弘小助整合解讀過的關鍵數(shù)據(jù)、信息和觀點邏輯，結合第三方公開數(shù)據(jù)源，形成報告輸出目前金融行業(yè)，受限于行業(yè)監(jiān)管，AI

Agent應用多用于內(nèi)部提效，重點探索場景集中在投研分析和保險部分環(huán)節(jié)。面從廣闊的信息面抽取關鍵信息線從關鍵信息中深挖底層邏輯面提煉底層邏輯進行報告輸出支小助金融從業(yè)專家AI助手財經(jīng)稿/分析報告撰寫量化代碼生成公告/研報/財報解讀新聞/政策/事件解讀資產(chǎn)/市場/行業(yè)分析金融知識挖掘?qū)＜曳治隹蚣埽▽＜业姆椒ㄕ?、研究思路、工作方法等轉(zhuǎn)化為大模型可理解的形式）多智能體協(xié)同機制（模擬人類專家分工合作，對復雜分析任務進行多層拆解、分工協(xié)作、綜合生成、自我反饋）金融知識庫（匯集各類金融資訊、財務報告以及上市公司公告等資料）文娛游戲：立足角色扮演和個性化互動，滿足用戶沉浸式娛樂需求01給予NPC以一定的自主性，或生成AI隊友，都是提升游戲玩家的交互體驗，打造更具沉浸式的游戲環(huán)境的重要探索。游戲智能NPC，提供沉浸感02將小說、影視劇中的核心角色進行智能體塑造，內(nèi)化背景、劇情，使得讀者/觀眾在場景外也能同角色交流。自帶世界觀的角色扮演，延長IP價值鏈短期AI

Agent應用發(fā)力點應用探索期產(chǎn)品測試期市場投放期應用成熟期市場應用程度智能NPC行為模擬長期AI

Agent應用發(fā)力點時間虛擬世界生成AI隊友個性化劇情引導AI輔助創(chuàng)作沉浸式硬件AI主導的虛擬演出與影視制作場景數(shù)據(jù)分析個性化內(nèi)容推薦虛擬主播/虛擬偶像情感陪伴目前，文娛游戲行業(yè)對智能體的探索路徑有兩條。一是通過游戲智能NPC，提供個性化劇情推動或者實時游戲互動，提升娛樂性與參與感；二是立足虛擬世界觀（小說、影視劇），借助角色扮演內(nèi)核滿足用戶沉浸式體驗需求。AI

Agent典型探索場景文娛游戲行業(yè)AGI應用成熟度曲線無論是路徑一還是路徑二，核心都是要為用戶提供足夠的情緒價值和情感鏈接。文娛游戲：提供情緒價值和情感鏈接是核心價值劇情互動角色COS長相思角色AI一個月內(nèi)達到3億互動熱度

相柳智能體對話熱度突破2億多種創(chuàng)新玩法角色體驗會配合上線永劫無間

能閑聊情緒價值滿格聽指揮游戲Copilot隊友新手教學引導：讓呆板的人機化身新手教學大師，引導玩家更快速地熟悉游戲操作自由游戲操作：自主跑圖、戰(zhàn)斗、聽指令、報戰(zhàn)況、自由語音對話，成為配合度高的隊友隊友人設建立：可根據(jù)不同的游戲情境展現(xiàn)出獨特的性格特點，進一步增強游戲的沉浸感和互動體驗角色模型臺本對話劇情摘要關系圖譜對話形象音色影視劇IP角色智能體挖掘角色內(nèi)心世界承接觀眾對影視劇、角色、演員的情感智能體專區(qū)消費：商家和消費者兩端并行，智能體全面優(yōu)化服務鏈路在消費行業(yè)，消費者端和商家端的探索正在并行發(fā)展。對于消費者端，購物助手和智能客服已成為AI持續(xù)進化的典型應用，而智能體的加入使基于長期記憶的個性化服務成為現(xiàn)實。商家端，通過多Agent組建的專業(yè)商家團隊，智能體能夠協(xié)同完成數(shù)據(jù)分析、用戶調(diào)研、運營管理等多項復雜任務，大幅提升商家的運營效率與決策能力?；谟脩粢鈭D的智能導購：通過自然語言/語音進行意圖識別，對話交互減少菜單操作即時響應、靈活解答的智能客服：查詢產(chǎn)品說明、初步故障排查等疑問均可即時響應伴隨長期記憶的個性化服務：智能體將用戶的歷史行為和偏好內(nèi)化，提供個性化的服務商家知識助理：為商家提供最新的進駐商城的規(guī)則條款、營銷活動的內(nèi)容和規(guī)則等For商家端商家經(jīng)營助手：將數(shù)據(jù)分析師、用戶調(diào)研專家等角色抽象成為智能體，完成日常經(jīng)營團隊組建多Agent團隊協(xié)作：通過商家經(jīng)營智能體團隊組建，讓智能體也能專體做專事應用探索期產(chǎn)品測試期市場投放期應用成熟期市場應用程度智能客服零售消費行業(yè)AGI應用成熟度曲線營銷物料生成基于Agent的智能投放數(shù)字人導購/主播私域營銷智能推薦個性化營銷門店數(shù)據(jù)分析供應鏈管理基于Agent的平臺商家助手AI商拍短期AI

Agent應用發(fā)力點 長期AI

Agent應用發(fā)力點AI

Agent典型探索場景For消費者端消費：電商平臺先行，智能體組建專業(yè)商家團隊，優(yōu)化用戶消費決策商家智能助手商家數(shù)據(jù)分析專家用戶研究專家廣告營銷專家產(chǎn)品專家技能工具技能工具技能工具技能工具技能工具技能工具技能工具技能工具自然語言下達指令業(yè)務系統(tǒng)知識庫數(shù)據(jù)平臺Master

Agent用戶意圖理解 任務規(guī)劃與分配結果整合，用戶反饋多Agent組建專業(yè)商家團隊小值用戶消費決策的私人助理營業(yè)額分析活動運營產(chǎn)品上架訂單管理……用戶自然語言下達指令口?總結優(yōu)選值得買內(nèi)容庫中超2.5億條實時有效的優(yōu)質(zhì)消費內(nèi)容，總結商品的真實優(yōu)缺點小值判斷用戶使用意圖商品對比基于值得買內(nèi)容庫，通過參數(shù)及評價等比對，幫助消費者挑選更適合的產(chǎn)品商品推薦內(nèi)置自研意圖識別模型，引入多輪對話系統(tǒng)，幫助“選擇困難癥”梳理需求、精準推薦全網(wǎng)比價基于商品庫中覆蓋全平臺的優(yōu)質(zhì)高銷商品，進行實時價格比對，找到全網(wǎng)最“值”好價AI

Agent市場未來趨勢趨勢一：以大語言模型為大腦構建的智能體，逐漸深入復雜任務大模型邏輯推理能力的提升大腦的智能水平仍需要提升，才能更好且獨立地承擔任務拆解和規(guī)劃的工作，同時也具備更好的上下文理解能力工具生態(tài)的完善工具生態(tài)的完善，決定了智能體能夠向外拓展的邊界，一個成熟的工具生態(tài)系統(tǒng)可以提供必要的接口和功能，使智能體能夠訪問和操作外部資源多智能體協(xié)同多智能體協(xié)作完成復雜任務的能力，同時利用多智能體協(xié)同，更好地優(yōu)化自身的表現(xiàn)，逐步提升其執(zhí)行復雜任務的能力復雜環(huán)境的理解力通過多模態(tài)輸入，智能體可以實現(xiàn)業(yè)務系統(tǒng)、復雜任務，乃至物理世界更深入、更全面的

理解，并提供更智能化的服務和支持AI

Agent仍需再進化大模型「大腦」工具生態(tài)多智能體協(xié)同復雜場景伴隨著AI

Agent各能力板塊的進一步提升